İnşaat sektöründe IoT ve veri analiziIoT and data analytics in the construction industry

Bu örnek senaryo, kuruluşların artırmak ve karar alma sürecini otomatikleştirmek için kapsamlı veri analizi mimarisine birçok IOT cihazlarından gelen veri tümleştirme çözümleri oluşturmak için geçerlidir.This example scenario is relevant to organizations building solutions that integrate data from many IoT devices into a comprehensive data analysis architecture to improve and automate decision making. Olası uygulamalar oluşturma, araştırma, üretim veya büyük miktarda veriyi birçok IOT tabanlı bir veri giriş içeren diğer sektör çözümleri içerir.Potential applications include construction, mining, manufacturing, or other industry solutions involving large volumes of data from many IoT-based data inputs.

Bu senaryoda, Araçlar, ölçümleri ve telemetri verilerini yaymak üzere IOT ve GPS teknolojilerini kullanan dronlarla hayat kurtarma yapım ekipman üreticisi oluşturur.In this scenario, a construction equipment manufacturer builds vehicles, meters, and drones that use IoT and GPS technologies to emit telemetry data. Şirket kullanım koşullarına ve donanım sistem durumu daha iyi izlemek için veri mimarisinin modernize etme istemektedir.The company wants to modernize their data architecture to better monitor operating conditions and equipment health. Şirket içi altyapıyı kullanarak şirketin eski çözüm değiştirerek hem zaman hem de yoğun işçilik olacaktır ve beklenen verileri hacmini işlemeye yetecek yeterince ölçeklendirmek mümkün olmaz.Replacing the company's legacy solution using on-premises infrastructure would be both time and labor intensive, and would not be able to scale sufficiently to handle the anticipated data volume.

Bir bulut tabanlı "Akıllı oluşturma" çözümü oluşturmak şirket istemektedir.The company wants to build a cloud-based "smart construction" solution. Kapsamlı bir yapım site için veri toplamak ve işlem ve çeşitli öğeler sitenin bakımını otomatik hale getirmek gerekir.It should gather a comprehensive set of data for a construction site and automate the operation and maintenance of the various elements of the site. Şirketin hedefleri şunlardır:The company's goals include:

  • Donanım ve donanım kapalı kalma süresini en aza indirmek ve hırsızlığını azaltmak için veri site, tümleştirme ve tüm yapı çözümleme.Integrating and analyzing all construction site equipment and data to minimize equipment downtime and reduce theft.
  • Yapı ekipman işçilik yetersiz, sonuçta gerektiren daha az çalışanları ve başarılı olması alt deneyimli çalışanlar etkinleştirme etkilerini azaltmak için otomatik olarak ve uzaktan denetleme.Remotely and automatically controlling construction equipment to mitigate the effects of a labor shortage, ultimately requiring fewer workers and enabling lower-skilled workers to succeed.
  • Üretkenlik ve güvenliği artırırken destekleyici altyapının işletim maliyetleri ve iş Pazarı gereksinimlerini en aza indirme.Minimizing the operating costs and labor requirements for the supporting infrastructure, while increasing productivity and safety.
  • Telemetri verilerinde arttıkça desteklemek için altyapı kolayca ölçeklendirme.Easily scaling the infrastructure to support increases in telemetry data.
  • Kaynak ülke içinde sistem kullanılabilirliği ödün vermeden sağlayarak ilgili yasal gereksinimlere uymak.Complying with all relevant legal requirements by provisioning resources in-country without compromising system availability.
  • İşçileri mevcut beceri yatırım en üst düzeye çıkarmak için açık kaynak yazılımı kullanıyor.Using open-source software to maximize the investment in workers' current skills.

IOT hub'ı ve HDInsight gibi yönetilen Azure hizmetlerini kullanarak hızla oluşturmak ve işletim maliyetlerini içeren kapsamlı bir çözüm dağıtma müşteriye izin verir.Using managed Azure services such as IoT Hub and HDInsight will allow the customer to rapidly build and deploy a comprehensive solution with a lower operating cost. Ek veri analizi gereksinimleriniz varsa, kullanılabilir listesini gözden geçirmeniz gereken tam olarak yönetilen verileri Analiz Hizmetleri azure'da.If you have additional data analytics needs, you should review the list of available fully managed data analytics services in Azure.

İlgili kullanım durumlarınıRelevant use cases

Diğer ilgili kullanım durumlarını içerir:Other relevant use cases include:

  • Yapı, araştırma ya da ekipman üretim senaryolarıConstruction, mining, or equipment manufacturing scenarios
  • Cihaz verileri depolama ve analiz için büyük ölçekli koleksiyonuLarge-scale collection of device data for storage and analysis
  • Alımı ve büyük veri analiziIngestion and analysis of large datasets

MimariArchitecture

IOT ve veri analizi yapım sektördeki mimarisi

Veriler bir Çözümle şu şekilde akar:The data flows through the solution as follows:

  1. Yapı ekipman sensör verilerini toplar ve düzenli aralıklarla yük dengeli web Hizmetleri, Azure sanal makine bir kümede barındırılan yapı sonuç verileri gönderir.Construction equipment collects sensor data and sends the construction results data at regular intervals to load balanced web services hosted on a cluster of Azure virtual machines.
  2. Özel web Hizmetleri, yapı sonuçları veri alma ve ayrıca Azure sanal makinelerinde çalışan bir Apache Cassandra kümesi depolayın.The custom web services ingest the construction results data and store it in an Apache Cassandra cluster also running on Azure virtual machines.
  3. Başka bir veri kümesini çeşitli yapı ekipmanlar üzerinde IOT algılayıcılarını tarafından toplanır ve IOT Hub'ına gönderilen.Another dataset is gathered by IoT sensors on various construction equipment and sent to IoT Hub.
  4. Toplanan ham veriler Azure blob depolama alanına doğrudan IOT Hub'ından gönderilen ve görüntüleme ve analiz için hemen kullanılabilir.Raw data collected is sent directly from IoT Hub to Azure blob storage and is immediately available for viewing and analysis.
  5. IOT Hub toplanan veriler neredeyse gerçek zamanlı olarak bir Azure Stream Analytics işi tarafından işlenen ve bir Azure SQL veritabanı'nda depolanır.Data collected via IoT Hub is processed in near real time by an Azure Stream Analytics job and stored in an Azure SQL database.
  6. Akıllı yapım bulut web uygulaması, analistler ve son kullanıcılar için sensör verilerini ve tanımayı görüntüleme ve çözümleme için kullanılabilir.The Smart Construction Cloud web application is available to analysts and end users to view and analyze sensor data and imagery.
  7. Toplu işleri, web uygulaması kullanıcılar tarafından isteğe bağlı olarak başlatılır.Batch jobs are initiated on demand by users of the web application. Toplu işlem, HDInsight üzerinde Apache Spark, çalışan ve Cassandra kümede depolanan yeni verileri analiz eder.The batch job runs in Apache Spark on HDInsight and analyzes new data stored in the Cassandra cluster.

BileşenlerComponents

  • IOT hub'ı bulut platformu ve yapı donanım ve diğer site öğeleri arasında cihaz başına kimlik ile güvenli çift yönlü iletişim için bir merkezi ileti merkez olarak görev yapar.IoT Hub acts as a central message hub for secure bi-directional communication with per-device identity between the cloud platform and the construction equipment and other site elements. IOT Hub, veri analizi ardışık düzende veri alımı için her bir cihaz için hızla toplayabilirsiniz.IoT Hub can rapidly collect data for each device for ingestion into the data analytics pipeline.
  • Azure Stream Analytics , yüksek hacimli akış cihazları ve diğer veri kaynaklarından verileri analiz edebilirsiniz bir olay işleme altyapısıdır.Azure Stream Analytics is an event-processing engine that can analyze high volumes of data streaming from devices and other data sources. Ayrıca, desenleri ve ilişkileri tanımlamak için veri akışlarından bilgi ayıklamayı destekler.It also supports extracting information from data streams to identify patterns and relationships. Bu senaryoda, Stream Analytics alır ve IOT cihazlarından verileri analiz eder ve Azure SQL veritabanı'nda sonuçlarını depolar.In this scenario, Stream Analytics ingests and analyzes data from IoT devices and stores the results in Azure SQL Database.
  • Azure SQL veritabanı IOT cihazları ve analistleri ve Azure tabanlı bir Web uygulama yoluyla kullanıcılar tarafından görüntülenebilecek ölçümleri analiz edilen verileri sonuçlarını içerir.Azure SQL Database contains the results of analyzed data from IoT devices and meters, which can be viewed by analysts and users via an Azure-based Web application.
  • BLOB Depolama görüntü IOT hub'ı cihazlardan toplanan verileri depolar.Blob storage stores image data gathered from the IoT hub devices. Görüntü verilerini web uygulaması aracılığıyla görüntülenebilir.The image data can be viewed via the web application.
  • Traffic Manager farklı Azure bölgelerindeki hizmet uç noktaları için kullanıcı trafiğinin dağıtımını denetler.Traffic Manager controls the distribution of user traffic for service endpoints in different Azure regions.
  • Yük Dengeleyici yapım ekipman cihazlardan veri gönderimleri yüksek kullanılabilirlik sağlamak için sanal makine tabanlı web hizmetleri arasında dağıtır.Load Balancer distributes data submissions from construction equipment devices across the VM-based web services to provide high availability.
  • Azure sanal makineleri almak ve yapı sonuçlarını Apache Cassandra veritabanına alabilen web hizmetleri barındırır.Azure Virtual Machines host the web services that receive and ingest the construction results data into the Apache Cassandra database.
  • Apache Cassandra daha sonra Apache Spark tarafından işlenmesi için yapı verileri depolamak için kullanılan dağıtılmış bir NoSQL veritabanıdır.Apache Cassandra is a distributed NoSQL database used to store construction data for later processing by Apache Spark.
  • Web uygulamaları sorgulamak ve veri kaynağı ile görüntüleri görüntülemek için kullanılan son kullanıcı web uygulaması barındırır.Web Apps hosts the end-user web application, which can be used to query and view source data and images. Kullanıcılar, Apache Spark uygulaması aracılığıyla toplu işler de başlatabilirsiniz.Users can also initiate batch jobs in Apache Spark via the application.
  • HDInsight üzerinde Apache Spark büyük veri analizi uygulamalarının performansını artırmak üzere bellek içi işlemeyi destekler.Apache Spark on HDInsight supports in-memory processing to boost the performance of big-data analytic applications. Bu senaryoda, Spark, Apache cassandra'yı depolanan veriler üzerinde karmaşık algoritmalar çalıştırmak için kullanılır.In this scenario, Spark is used to run complex algorithms over the data stored in Apache Cassandra.

AlternatifleriAlternatives

Dikkat edilmesi gerekenlerConsiderations

Azure bölgeleri genel kullanılabilirliğini, bu senaryo için önemli bir faktördür.The broad availability of Azure regions is an important factor for this scenario. Tek bir ülkede bulunan birden fazla bölgeye sahip olağanüstü durum kurtarma, sözleşmeye dayalı yükümlülüklerin ve yasa uygulama gereksinimleri ile uyum sağlarken sağlayabilir.Having more than one region in a single country can provide disaster recovery while also enabling compliance with contractual obligations and law enforcement requirements. Azure'nın yüksek hızlı bölgeler arasında da bu senaryoda önemli bir faktördür iletişimdir.Azure's high-speed communication between regions is also an important factor in this scenario.

Açık kaynak teknolojileri için Azure desteği, mevcut bir iş gücü becerilerini yararlanmak müşteri izin verilir.Azure support for open-source technologies allowed the customer to take advantage of their existing workforce skills. Müşteri, aynı zamanda maliyetleri düşürün ve işletme iş yükleri bir şirket içi çözüm ile karşılaştırıldığında yeni Teknoloji benimseme hızlandırabilirsiniz.The customer can also accelerate the adoption of new technologies with lower costs and operating workloads compared to an on-premises solution.

FiyatlandırmaPricing

Aşağıdaki konular bu çözüm için maliyetleri önemli bir kısmı yön verecektir.The following considerations will drive a substantial portion of the costs for this solution.

  • Ek örnekleri sağlanırken azure sanal makine maliyetlerini doğrusal olarak artar.Azure virtual machine costs will increase linearly as additional instances are provisioned. Sanal makineler serbest bırakılır yalnızca depolama maliyetleri doğurur ve işlem maliyetleri değil.Virtual machines that are deallocated will only incur storage costs, and not compute costs. İsteğe bağlı, yüksek olduğunda serbest bırakıldığında bu makineler ardından ayrılabilecek.These deallocated machines can then be reallocated when demand is high.
  • IOT hub'ı maliyetleri seçilen, hizmet katmanı yanı sıra sağlanan IOT birimi sayısına göre temelli izin verilen birim başına günlük ileti sayısını belirler.IoT Hub costs are driven by the number of IoT units provisioned as well as the service tier chosen, which determines the number of messages per day per unit allowed.
  • Stream Analytics verileri hizmete işlemek için gereken akış birimi sayısına göre fiyatlandırılır.Stream Analytics is priced by the number of streaming units required to process the data into the service.

Benzer bir mimariye uygulaması görmek için okuma Komatsu müşteri hikayesi.To see an implementation of a similar architecture, read the Komatsu customer story.

Yönergeler için büyük veri mimarilerinin kullanılabilir Azure veri Mimarisi Kılavuzu.Guidance for big data architectures is available in the Azure Data Architecture Guide.